扎克伯格：过去四月 AI 智能体进展没按预期加速
扎克伯格最近在内部会那句 “过去四个月 AI 智能体进展没按预期加速”，听着像是泼冷水，但这话其实是在给 Meta 自己的 Agent 路线图做“预期管理”——翻译过来是：“别指望年底就有能替你打工的 Jarvis，我们还在啃硬骨头，但方向没错。”他点出的“没加速”卡在哪：长程记忆 + 状态持久化：Agent 跑个 10 轮任务能记住，跑 100 轮就“忘初衷”，跨会话记忆更是灾难。Meta 内部用 “Project CAIR”（持续自适应推理）在攻，但工程化比论文难 10 倍；工具调用链的“脆断”：Agent 调 3 个 API 能行，调 5 个偶尔崩，调 10 个大概率死锁——工具生态的兼容性、错误处理、权限管控这套，模型练不出来，得靠工程填坑；规模化部署的成本账：单个研究 Demo 的 Agent 能炫技，但放到 20 亿用户规模的 WhatsApp/Instagram 上，推理延迟、并发控制、安全审核 这三座山直接让“加速”变“减速”。Meta 自己的解法（也是小扎没明说的潜台词）：不追“全能 Agent”，先做 “场景罐头”：客服退款、商品推荐、游戏 NPC 这种边界清晰的任务闭环；国内对照：字节（豆包助手）、腾讯（混元助手）、阿里（通义灵码）这波也在经历 “Demo 震撼期 → 工程填坑期” 的转换，但国内的优势是“场景强收敛”（电商、游戏、短剧），反而比 Meta 这种“全球通用场景”更容易出阶段成果。打工人启示：Agent 赛道进入“工程化深水区”，纯搞模型架构的创新红利在减少，能解决 “长任务稳定性、工具链兼容、低成本部署” 的人会吃香；别等“万能 Agent”，现在就去摸 “单场景 Agent 流水线” 的搭建——从数据清洗、工具注册、评估基准到线上监控，全链路跑通一个小场景（比如自动写周报、自动追热点、自动修 bug），比追 SOTA 重要；关注“模型即服务”的中间层机会：在底层大模型和上层应用之间，提示工程、路由网关、评估平台、合规过滤 这些“脏活累活”正在变成新岗位。扎克伯格这话不是唱衰，是提醒：Agent 的“下半场”是脏活、慢活、工程活。你们团队现在在攻 Agent 的哪个“坑”？评论区聊聊。
发布于 山西
分享
评论
赞
未登录
友善发言
评论
加载中
